홉필드 네트워크

홉필드 네트워크는 1982년 캘리포니아 공과대학의 물리학자 존 홉필드가 제안했습니다. 그는 인공 신경망 연구에 큰 영향을 미친 논문을 발표했습니다.새로운 집단 계산 능력을 갖춘 신경망과 물리적 시스템"(창발적 집단 계산을 갖춘 신경망과 물리 시스템)은 홉필드 네트워크의 기본 이론을 소개했습니다. 존 홉필드는 신경망 연구로 2024년 노벨 물리학상을 수상했습니다.

홉필드 네트워크는 순환 신경망의 한 유형입니다. 저장체계와 이진체계를 결합한 신경망으로, 주로 연관 기억이나 패턴 인식 등의 문제에 사용된다. 핵심 기능은 하나 이상의 안정된 상태로 수렴하는 능력인데, 이를 어트랙터라고도 하며, 각 어트랙터는 패턴을 저장하는 데 사용될 수 있습니다. 입력 데이터가 불완전하거나 간섭을 받은 정보인 경우, 네트워크는 연관을 통해 완전한 정보를 회수할 수 있습니다.

구조적으로, Hopfield 네트워크는 단일 계층의 완전 연결 신경망입니다. 즉, 신경망 계층의 두 뉴런은 연결되어 있으며 연결 가중치는 대칭적입니다. 뉴런의 출력은 두 가지 상태(-1 또는 1, 0 또는 1)만 가지며, 뉴런의 상태는 다른 뉴런의 상태와 뉴런 간의 연결 가중치에 따라 달라집니다.